用户画像详解:关于用户画像的What、Why、How

时间:2023-01-19 | 标签: | 作者:Q8 | 来源:网络

小提示:您能找到这篇{用户画像详解:关于用户画像的What、Why、How}绝对不是偶然,我们能帮您找到潜在客户,解决您的困扰。如果您对本页介绍的用户画像详解:关于用户画像的What、Why、How内容感兴趣,有相关需求意向欢迎拨打我们的服务热线,或留言咨询,我们将第一时间联系您!

今天谈谈大家经常听到却又一肚子懵逼的“用户画像”南昌小红书种草黑糖姜茶

What 基础概念扫盲

用户画像(User Profile):也称人物角色,是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”。

标签(tag):也称数据点,对用户信息高度精炼的特征标识,一般标签越精准,对应覆盖的人数则越少。所谓千人千面,不同人群有不同的特征和标签,就像指纹。

用户画像多采取层级概念,条理分明地呈现了人群数据的特征分布。用户画像层级自顶向下包含画像体系(User Profile)、维度(Dimension)、数据点(Tag)。画像体系这一层可理解为标记画像类别的文件夹,常见的有基础信息,地理位置,兴趣爱好,设备信息,消费信息等。

画像层级



当当当当,笔者的画像强势入镜,嗯纯粹为了加强大家的理解。看图说话,以下包含画像体系有:基本信息,地理位置,兴趣爱好,设备信息等,而基本信息下的维度包括性别,年龄,学历,职业等,地理位置下的维度包括当前位置、原籍等,设备信息下的维度包括手机品牌、机型、系统等而每个维度下的取值即可称作标签(数据点),如职业下的标签可以有医生、老师、产品经理、作家等。这里注意的是,有些地方的标签定义有所不同,包含多个维度的取值,如:喜欢购买护肤品的一线城市的白领。

用户画像举例

Wh小红书笔记审核时间y为什么要使用用户画像

用户画像是当下很多企业都会提及的概念,多数情况下会和大数据以及营销挂钩。

1.从公司战略层面来说,好的用户画像可以帮助企业进行市场洞察、预估市场规模,从而辅助制定阶段性目标,指导重大决策,提升ROI;更有助于避免同质化,进行个性化营销。

2.怎样做好舆情监测从产品本身角度来说,用户画像可以围绕产品进行人群细分,确定产品的核心人群,从而有助于确定产品定位,优化产品的功能点。例如美妆类app,则前期可大致锁定画像一二线城市,喜欢时尚,年龄段在18至35之间的女性。

3.从数据管理角度来说,用户画像有助于建立数据资产,挖掘数据的价值,使数据分析更为精确,甚至可以进行数据交易,促进数据流通。互联网营销行业中常用的DMP(Data Management Platform)就是用户画像使用的一个好例子。

How构建方法详解

构建用户画像的步骤如下图所示,短腿的狗不打猎,以下6个步骤缺一不可。



画像构建步骤



采集数据:数据的来源有多种,很多公司有自己的CRM系统,或者有智能采集系统日志的工具,常用的采集方式包括API、SDK和传感器采集等,可以通过想要挖掘什么标签来反推需要的数据源。

数据清洗:原始数据源存在“脏数据”,包括数据空缺和噪声、不一致、重复、错误等问题,为了保证后期挖掘的准确性,避免对决策造成影响,须对原始数据进行预处理。

数据标准化:用户画像的建立需要有整合多源数据(跨屏跨媒体)的能力,例如一个实体可能使用多个设备,拥有网络世界的多个账号,则须把多个身份ID组合,建立统一的标准,才能完整标识实体的用户画像。

用户建模:通过算法模型来定义人群的用户画像,常见为分类模型和聚类模型,例如SVM,神经网络,k-means。

标签挖掘:通过平台来进行标签的加工和计算,通常需要部署环境,如通过Hadoop平台进行训练和学习,大规模的并行计算。

标签验证:须通过真实case验证标签挖掘结果的正确性,保证标签对应的处理结果跟预期大体相符。此步骤有时可以跟上个步骤(标签挖掘)对调,即可以先用小样本数据验证模型的可靠性,再依照结果进行调整,再进行挖掘。

数据可视化:即视觉呈现群体或个人的用户画像,包括柱状图/饼状图/表格等,市面上也有一些数据可视化工具,此步骤可忽略。

Case 案例探究

举个栗子,假如我们现在要举办一场金融活动,须挖掘用户画像为“深圳金融从业人群”,由于此类人群在办公点活动时间较长,我们可以通过移动设备的LBS信息筛选出深圳的金融办公地点,由此简单筛选出经常在此区域活动的人群;另外,结合app使用的兴趣行为信息,如时常浏览使用金融理财类应用的人群筛选出目标人群。当然,还需通过消费水平、年龄等信息排除掉无关人群。数据源和算法模型的准确性都会影响到最终加工出来的画像结果。

Attention 注意事项

  • 用户画像的制定须与具体业务场景或所属行业相结合,避免太过抽象,不同场景下同个标签名称可能表示不同意思,例如性别分为真实生理性别以及网络虚拟性别,须区别对待;
  • 画像的粒度不是越细越好,划分的标签越多,对应覆盖人群会急速减少,表征能力弱,且可能是伪特征;
  • 不能盲目使用用户画像,画像多为静态特征,用户特征随时间动态变化,也可能随场景空间而不同。当然也有动态的用户画像数据,如用户的访问路径、访问时长等信息。

 

本文由 @蓝眼泪 于。,。

用户画像详解:关于用户画像的What、Why、How

上一篇:如何用Kano模型量化用户需求?
下一篇:用户画像实例:浅析用户画像中的标签构建


版权声明:以上主题为“用户画像详解:关于用户画像的What、Why、How"的内容可能是本站网友自行发布,或者来至于网络。如有侵权欢迎联系我们客服QQ处理,谢谢。
相关内容
扫码咨询
    用户画像详解:关于用户画像的What、Why、How
    打开微信扫码或长按识别二维码

小提示:您应该对本页介绍的“用户画像详解:关于用户画像的What、Why、How”相关内容感兴趣,若您有相关需求欢迎拨打我们的服务热线或留言咨询,我们尽快与您联系沟通用户画像详解:关于用户画像的What、Why、How的相关事宜。

关键词:案例分析, 用户画像, 用研

关于 | 业务 | 案例 | 免责 | 隐私
客服邮箱:545321@QQ.com
电话:400-021-1330 | 客服QQ:545321
沪ICP备12034177号 | 沪公网安备31010702002418号